VQ-BeT项目安装与使用教程
2025-04-17 22:50:18作者:曹令琨Iris
1. 项目目录结构及介绍
VQ-BeT项目的目录结构如下:
vq_bet_official/
├── envs/ # 环境配置文件和 UR3 环境相关代码
├── examples/ # 示例配置文件和脚本
│ ├── configs/ # 配置文件
│ ├── pretrain_vqvae.py # 预训练 VQ-VAE 的脚本
│ ├── train.py # 训练 VQ-BeT 的脚本
│ └── template/ # 配置文件模板
├── vector_quantize_pytorch/ # 向量量化模块
├── vq_behavior_transformer/ # VQ-BeT 主模块
├── vqvae/ # VQ-VAE 主模块
├── .gitignore # Git 忽略文件列表
├── LICENSE # 项目许可证信息
├── README.md # 项目说明文件
├── install.sh # 安装脚本
├── requirements.txt # 项目依赖列表
└── setup.py # 项目设置文件
2. 项目的启动文件介绍
项目的主要启动文件包括 install.sh
和 train.py
。
-
install.sh
:这是一个shell脚本,用于安装项目所需的依赖。运行该脚本会自动安装Python环境和项目依赖的库。 -
train.py
:这是用于训练 VQ-BeT 模型的主脚本。用户可以通过修改配置文件来设置不同的训练参数和环境。
3. 项目的配置文件介绍
项目的配置文件主要位于 examples/configs/
目录下,以下是主要的配置文件:
-
env_vars.yaml
:环境变量配置文件,用于设置数据集路径、保存路径和 wandb 实体。 -
pretrain_[env name].yaml
:预训练 VQ-VAE 的配置文件,其中[env name]
是环境名称,如pretrain_kitchen.yaml
。 -
train_[env name].yaml
:训练 VQ-BeT 的配置文件,同样[env name]
是环境名称,如train_kitchen_nongoalcond.yaml
。
每个配置文件中都包含了相应的参数设置,用户可以根据自己的需求调整这些参数。例如,train_kitchen_nongoalcond.yaml
可能包含以下内容:
vqvae_load_dir: /path/to/pretrained/vqvae
load_path: /path/to/pretrained/vq-bet
visual_input: true
# 其他训练参数...
用户需要根据实际情况填写 vqvae_load_dir
和 load_path
中的路径,以加载预训练的模型权重。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K